侯佳正,张绍阳,鱼 昆

(长安大学信息工程学院,陕西 西安 710064)

0 引 言

答案选择任务是自然语言处理中句子匹配任务(NLSM)的一个子任务,用来评估问题-答案对之间的相关性，最终输出问答对的匹配得分，是完成问答系统[1-2]、文本处理等任务的基础。问答系统的答案处理模块需要确定问题与答案之间的相关性，根据相关性得分对答案句进行排序，最终向用户返回相关性最高的一个或几个答案；文本处理任务中需要根据问题句、主题句去剔除文本中与问题、主题无关的句子。其精度直接影响整个系统的好坏，所以提高答案选择任务的准确率具有十分重要的意义。

传统答案选择算法利用词法、句法等一些特征来计算问答对的匹配程度。Yih等人[3]利用单词匹配、WordNet和词汇之间的相似度、命名实体匹配等丰富的词汇级别的语义特征进行答案句的选择。Barron-Cedeno等人[4]使用自然语言处理工具包提取问答对的命名实体匹配、关键词匹配、单词长度等特征，然后将这些特征输入SVM进行分类，从而实现答案的选择。Yao等人[5]利用依存句法分析，构建问题与候选答案句的语法分析树，最后使用逻辑回归模型判断问题和答案之间的依存关系。基于特征匹配的答案选择算法，特征固定，可移植性差，并且只聚焦于句子的浅层特征，没有关注句子的整体语义信息。

随着深度学习在自然语言处理领域的发展，有很多学者将目光开始投向于深度学习算法，提出了基于Siamese结构[6]的网络，在该结构中，相同的神经网络编码器(CNN或RNN)被应用在问答对上，将问句和答句编码到相同嵌入空间的句子矢量中，然后仅根据这2个句子向量进行相关性的判断。……